|
学习的安排（1天）： Ø 技能学习 Ø 前瞻性学习 Ø 思维改变 Ø 咨询方法论 一、背景、目标和要求 1.1时代的要求 ：大数据和人工智能、物联网的发展趋势1.1.7数字进化论 1.1.10 数字化带来新的业务维度，而不仅仅是解决传统痛点 1.1.11案例：法拉利换车的对比 1.1.12案例：特斯拉撞车实验（ 大数据如何创造价值） 1.1.13案例：地平线数据仿真造火箭（ 大数据如何创造价值） 1.1.14案例：Nike通过nike+ 大数据提供的全新业务维度 1.2讨论 2.1.3关键要素：数据 2.1.7数据是业务的投影 2.1.8从业务角度描述数据 2.1.9如何支撑这些业务 2.1.10数据中台在什么位置 2.2.1中台落地路线图 2.2.2政企客户为什么建设自己的数据中台 2.2.3京东数据中台建设方法论 2.2.4京东数据中台咨询项目管理 2.2.5京东数据中台产品架构 2.2.6京东数据中台产品架构 2.2.7数据整理接入 2.2.8数据开发加工 2.2.9数据服务应用 2.2.10数据推送分发 2.2.11数据应用 2.2.12数据运营能力 2.2.13数据平台组件 2.2.14案例：宁波会展中心 大数据平台系统后台演示和案例讲解 2.3.1认识数据驱动结构 2.3.3企业自身需要引入云架构及平台化思想 2.3.6案例：贝壳ACN模式 2.3.7案例：大族激光纽扣的故事 三、人工智能前沿实战 3.1人工智能趋势前沿 3.1.1人工智能的定义和研究边界 3.1.3人工智能关键领域发展动态 3.1.4人工智能的最新技术成就 3.2视频分析 3.2.1 AI视频分析的政策背景 3.2.2 AI视频分析的场景 3.2.3 AI视频分析的价值 3.2.4 AI视频分析的架构 3.3知识图谱 3.3.1什么是知识图谱 3.3.2知识图谱可以用来干啥 3.3.3知识图谱的价值 3.3.4知识图谱应用案例 讨论：你还知道哪些前沿AI应用？ 3.3前沿：人工智能大模型 3.3.1 chatGPT的火热背后 3.3.2 视频大模型及应用 4.1.1 物联网是信息联网、移动联网基础上一种新的连接模式 4.1.2 物联网穿针引线，多技术相辅相成、共存共生 4.1.4数据参与社会分工，无人化工作将成为标准分工范式 4.1.5 产业链已形成闭环式发展，步入跨界融合、规模化创新阶段 4.1.6参与者众多，角色界限开始模糊，平台层玩家数量显著增多 4.1.7众多垂直领域企业融合 物联网技术，变革创新推出解决方案 4.1.8应用需求、标准碎片化与深度应用不足问题同时存在 4.1.9基于传统技术二次开发，难以形成技术壁垒 4.1.10具备了信息世界感知、通信与计算能力的物理世界的人或物 4.1.11步入多技术融合创新爆发期，精准、高效的数据采集是目的 4.1.12感知层关键技术一：RFID技术 4.1.13感知层关键技术二：MEMS传感技术 4.1.14感知层发展趋势一：多传感器融合 4.1.15感知层发展趋势二：智能传感器 4.1.16感知层发展趋势三：新应用驱动新增长 4.1.19 物联网成长于互联网的土壤，并以更大规模爆发 4.2.6案例：锱云金融物联网云平台方案
| 
